一、urlopen的url參數 Agent

url不僅可以是一個字符串，例如:http://www.baidu.com。url也可以是一個Request對象，這就需要我們先定義一個Request對象，然後將這個Request對象作為urlopen的參數使用，方法如下：

# -*- coding: UTF-8 -*-
from urllib import request

if __name__ == "__main__":
    req = request.Request("http://fanyi.baidu.com/")
    response = request.urlopen(req)
    html = response.read()
    html = html.decode("utf-8")
    print(html)
 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

同樣，運行這段代碼同樣可以得到網頁信息。可以看一下這段代碼和上個筆記中代碼的不同，對比一下就明白了。

urlopen()返回的對象，可以使用read()進行讀取，同樣也可以使用geturl()方法、info()方法、getcode()方法。

• geturl()返回的是一個url的字符串；

• info()返回的是一些meta標記的元信息，包括一些服務器的信息；

• getcode()返回的是HTTP的狀態碼，如果返回200表示請求成功。

關於META標簽和HTTP狀態碼的內容可以自行百度百科，裏面有很詳細的介紹。

了解到這些，我們就可以進行新一輪的測試，新建文件名urllib_test04.py，編寫如下代碼：

# -*- coding: UTF-8 -*-
from urllib import request

if __name__ == "__main__":
    req = request.Request("http://fanyi.baidu.com/")
    response = request.urlopen(req)
    print("geturl打印信息：%s"%(response.geturl()))
    print(‘**********************************************‘)
    print("info打印信息：%s"%(response.info()))
    print(‘**********************************************‘)
    print("getcode打印信息：%s"%(response.getcode()))
 

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

可以得到如下運行結果：

二、urlopen的data參數

我們可以使用data參數，向服務器發送數據。根據HTTP規範，GET用於信息獲取，POST是向服務器提交數據的一種請求，再換句話說：

從客戶端向服務器提交數據使用POST；

從服務器獲得數據到客戶端使用GET(GET也可以提交，暫不考慮)。

如果沒有設置urlopen()函數的data參數，HTTP請求采用GET方式，也就是我們從服務器獲取信息，如果我們設置data參數，HTTP請求采用POST方式，也就是我們向服務器傳遞數據。

data參數有自己的格式，它是一個基於application/x-www.form-urlencoded的格式，具體格式我們不用了解， 因為我們可以使用urllib.parse.urlencode()函數將字符串自動轉換成上面所說的格式。

三、發送data實例

向有道翻譯發送data，得到翻譯結果。

1.打開有道翻譯界面，如下圖所示：

2.鼠標右鍵檢查，也就是審查元素，如下圖所示：

3.選擇右側出現的Network，如下圖所示：

4.在左側輸入翻譯內容，輸入Jack，如下圖所示：

5.點擊自動翻譯按鈕，我們就可以看到右側出現的內容，如下圖所示：

6.點擊上圖紅框中的內容，查看它的信息，如下圖所示：

7.記住這些信息，這是我們一會兒寫程序需要用到的。

新建文件translate_test.py，編寫如下代碼：

# -*- coding: UTF-8 -*-
from urllib import request
from urllib import parse
import json

if __name__ == "__main__":
    #對應上圖的Request URL
    Request_URL = ‘http://fanyi.youdao.com/translate?smartresult=dict&smartresult=rule&smartresult=ugc&sessionFrom=https://www.baidu.com/link‘
    #創建Form_Data字典，存儲上圖的Form Data
    Form_Data = {}
    Form_Data[‘type‘] = ‘AUTO‘
    Form_Data[‘i‘] = ‘Jack‘
    Form_Data[‘doctype‘] = ‘json‘
    Form_Data[‘xmlVersion‘] = ‘1.8‘
    Form_Data[‘keyfrom‘] = ‘fanyi.web‘
    Form_Data[‘ue‘] = ‘ue:UTF-8‘
    Form_Data[‘action‘] = ‘FY_BY_CLICKBUTTON‘
    #使用urlencode方法轉換標準格式
    data = parse.urlencode(Form_Data).encode(‘utf-8‘)
    #傳遞Request對象和轉換完格式的數據
    response = request.urlopen(Request_URL,data)
    #讀取信息並解碼
    html = response.read().decode(‘utf-8‘)
    #使用JSON
    translate_results = json.loads(html)
    #找到翻譯結果
    translate_results = translate_results[‘translateResult‘][0][0][‘tgt‘]
    #打印翻譯信息
    print("翻譯的結果是：%s" % translate_results)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29

這樣我們就可以查看翻譯的結果了，如下圖所示：

JSON是一種輕量級的數據交換格式，我們需要從爬取到的內容中找到JSON格式的數據，這裏面保存著我們想要的翻譯結果，再將得到的JSON格式的翻譯結果進行解析，得到我們最終想要的樣子：傑克。

Python3網絡爬蟲(二)：利用urllib.urlopen向有道翻譯發送數據獲得翻譯結果